Stockholm Brain Institute

En presentation över ämnet: "Stockholm Brain Institute"— Presentationens avskrift:

1 Stockholm Brain Institute
Anders Lansner Beräkningsbiologi Datavetenskap och kommunikation KTH och Stockholms Universitet

2 Synopsis Hjärnan och hjärnforskning Neuroinformatik
Stockholm Brain Institute (SBI) Neuroinformatik Hjärnavbildning Hjärnsimulering Kapacitetskrav Hjärninspirerad teknologi 18 oktober 2006 Sunet Umeå

3 Kognitiv & beräkningsbaserad neurovetenskap
Genetiskt program Neuronala kretsar Kognitiva funktioner Uppmärksamhet Minne Inlärning Språk Beteende Perception Neurobiologi Hjärnavbildning Psykologi Modellering & Datorsimulering 18 oktober 2006 Sunet Umeå

4 Kognitiva störningar leder till:
funktioner Genetiskt program Neuronala kretsar Kostnader för sjukdom: Inom EU lider 127 miljoner (av totalt 466) av hjärnsjukdom eller beteendestörning Totala årliga kostnader uppgår till €386 miljarder Utvecklingsstörningar: ADHD, autism, inlärningssvårigheter Psykiatriska störningar: Schizophreni, depression, ångestsyndrom Demens och neurodegenerativa sjukdomar: Alzheimer, Parkinson 18 oktober 2006 Sunet Umeå

5 Stockholm Brain Institute (SBI) Vision & Goals
Förstå hur hjärnan fungerar och interagerar med omgivningen Undersöka mekanismerna bakom störningar i denna interaktion som resulterar i beteendestörningar och psykiatriska sjukdomstillstånd Utveckla biomarkörer för tidig upptäckt och övervakning av patologiska processer Utveckla nya metoder för förebyggande och behandling Tillämpa denna förståelse och metodik på sjukdomar som ADHD, schizofreni och demens inlärning hos unga och äldre teknik för hjärninterface och hjärnliknande beräkningar 18 oktober 2006 Sunet Umeå 2: Goals and working processes

6 SBI partners Karolinska Institutet KTH Stockholms Universitet
7 neuroforskargrupper KTH Computational biology & Neurocomputing Parallelldatorcentrum Stockholms Universitet Psykologigrupp AstraZeneca IBM CogMed … 18 oktober 2006 Sunet Umeå

7 Några siffror om människans hjärnbark
Area: 2400 cm2 Volym: 1,5 liter Effektförbrukning: 50 W Antal nervceller: 20 miljarder Antal kopplingar (synapser): Kilometer fibrer: 100 miljoner Antal meddelanden/s: 18 oktober 2006 Sunet Umeå

8 Neuroinformatik Neuroinformatics combines neuroscience and informatics research to develop and apply advanced tools and approaches essential for a major advancement in understanding the structure and function of the brain. Three primary areas: neuroscience data and knowledge bases, from molecular to behavioral levels tools for data-acquisition, analysis, visualization and distribution data theoretical, computational and simulation environments for modeling and understanding the brain (“computational neuroscience”) INCF International Neuroinformatics Coordinating Facility OECD Sekretariat på Karolinska institutet Start november 2005 18 oktober 2006 Sunet Umeå

9 SBI – metodplattformar
Hjärnavbildning Modellering – simulering Krävande Datalagring Datatransport Beräkningar 18 oktober 2006 Sunet Umeå

10 2: Goals and working processes
Metodplattform 1 Brain imaging Molecular Structural Functional 18 oktober 2006 Sunet Umeå 2: Goals and working processes

11 Functional Magnetic Resonance Imaging (fMRI)
2×2×2  1×1×1mm voxels (high resolution) 18 oktober 2006 Sunet Umeå

12 Artefakter reducerar signalen i BOLD och Diffusionstensoravbildning
Spin Echo BOLD, Unidirectional, sampling Artefakter reducerar signalen i BOLD och Diffusionstensoravbildning 18 oktober 2006 Sunet Umeå

13 Typiska datamängder 40 GB per frame med 30 frames per patient/körning
4-8 körningar per day. Datatransport tidkritisk 40 GB/3 min behövs Utdata ca 1/10 max 10 min turnaround PET ca 100 GB och mer Kvalitet kräver mycket beräkningar 18 oktober 2006 Sunet Umeå

14 Beräkningskrävande bearbetning
Eliminering av rörelseartefakter i 3D bildserier Dataset av storleksordning GB/patient Iterativ rekonstruktion, 100 iterationer typiskt, icke tidskritiskt Diffusionsavbildning – probabilistisk bestämning av fiberbuntar Dataset av storleksordning GB/patient * 32 riktningar Bayesiansk rekonstruktion med MRI för high resolution PET Dataset av storleksordningen 100 GB/patient Iterativ rekonstruktion, 300 iterationer typiskt Tidskritiskt (isotoper) Strukturell normalisering av multimodala data (MRI, PET, EEG, …) redan rekonstruerade bilder från flera patienter Iterativt, 24 timmar/körning på Linuxkluster Begränande för forskningen 18 oktober 2006 Sunet Umeå

15 2: Goals and working processes
Metodplattform 2 Modellering & simulering Kvantitativ modellering och numerisk simulering från jonkanalsnivå till fullskaliga dynamiska nätverkssimuleringar Abstraktioner  hjärninspirerade algoritmer och beräkningar 2: Goals and working processes

16 Hjärnbarkens areor och mikrokretsar
18 oktober 2006 Sunet Umeå

17 Modell för en cell - signalbehandling
Ekvivalent elektrisk krets + fler jonkanaler Stora nätverk  beräkningstungt! 18 oktober 2006 Sunet Umeå

18 Resultat, visualisering Nätverkslayout
1x1 mm yta 29700 celler 15 miljoner synapser 9 hyperkolumner Varje hyperkolumn 100 minikolumner 100 basketceller 100 mönster lagrade 18 oktober 2006 Sunet Umeå

19 9 hypercolumner 1x1 mm yta 9 hyperkolumner Varje hyperkolumn
29700 celler 15 miljoner synapser 9 hyperkolumner Varje hyperkolumn 100 minikolumner 100 basketceller 100 mönster lagrade 18 oktober 2006 Sunet Umeå

20 18 oktober 2006 Sunet Umeå

21 100 hyperkolumner  4x4 mm 330000 celler 161 miljoner synapser
18 oktober 2006 Sunet Umeå

22 Parallellsimulering av detaljerade fullskalemodeller
Parallelliserande simulator: SPLIT [KTH/Parallelldatorcentrum (PDC)] Blue Gene/L (IBM Rochester) 2048 processorer (1/64 av full maskin) Råtthjärnbarkens lager 2/3 3100 hyperkolumner, 15x15 mm 9.5 miljoner nervceller 5 miljarder, 1/20 av verkligt antal 1:5400 av realtid (inofficiellt) världsrekord! Abstrakt neuronnätsmodell 1,5 miljoner enheter (minikolumner) 200 miljarder kopplingar Kontinuerligt lärande Inlärning och åtkomst i realtid 18 oktober 2006 Sunet Umeå

23 Hjärnforskning  Datavetenskap
Artificiell intelligens hjärlika datorer Instrument, datanalys, modellering,visualisering 18 oktober 2006 Sunet Umeå

24 Hjärna  Dator jämförelse
IBM BG Hjärna:BG Beräkningar (op/s) 1 1018 1,4 1014 Minne (B) 1 1015 3 1013 3 101 Bandbredd (bit/s) 1 1013 7 1013 0.14 Effektförbrukning 50 W 1 MW 5 10-5 Volym (m3) 0,002 200 1 10-5 Given a hypothesis one can make a comparison Bandwidth = n:o nerve impulses/sec Synapses hold some 5 bit Strindberg: 200 proc x 2GB/sec = 400 GB/sec = 3000 Gb/sec Interprocessor switch bandwidth 100 MB/sec, latens 1 microsec Our memory is in the synapses Most processing is there Synapses, computation, bits… NOW in 2005: BlueGene/L försprånget har minskat med på 3 år Area (m2) 0,2 sqm vs 8 sqm (silicon area in BG/L) Total ”brain gain”:  18 oktober 2006 Sunet Umeå

25 Utveckling av beräkningskraft Moore’s law  super-Moore
100 ops/synapse/ms ? Sony, Toshiba, IBM ”Cell” 250 GFLOP IBM BlueGene/L 64K nodes GFLOP year 18 oktober 2006 Sunet Umeå

26 Hjärnliknande teknologi?
Dator – Hjärna interface Programvara Detaljerade simuleringar  konnektionistiska algoritmer Datorarkitektur Parallella och distribuerade beräkningar Dedicerad hårdvara … Analog VLSI Stokastiska beräkningar Molekylära beräkningssubstrat Råtthjärnbark på 2×2 cm 18 oktober 2006 Sunet Umeå

27 EU/FACETS – analog VLSI
18 oktober 2006 Sunet Umeå

28 Framtidens AI-system … styrs av ”artificiella nervsystem”, baserade på kunskap om hur hjärnan fungerar? 18 oktober 2006 Sunet Umeå

29 The End 18 oktober 2006 Sunet Umeå